深度学习在生物医药领域的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量	算法框架	模型架构	性能指标	计算资源
601	2025-10-07	Shape-Aware 3D Small Vessel Segmentation with Local Contrast Guided Attention 2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-43901-8_34 PMID:38500803	研究论文	提出一种新型自监督网络用于3D小血管分割，通过形状感知通量测量和局部对比度引导注意力机制提升小血管检测性能	提出形状感知通量测量方法增强非圆形不规则小血管估计，开发局部对比度引导注意力和增强模块提升低对比度血管区域的血管性响应	未明确说明样本数量和数据来源的具体限制	改进3D成像数据中小血管的自动分割和检测	3D成像数据中的小血管结构	计算机视觉	NA	3D成像技术	自监督深度学习网络	3D图像数据	NA	NA	LCNetVesselSeg	NA	NA
602	2025-10-07	Early diagnosis of COVID-19-affected patients based on X-ray and computed tomography images using deep learning algorithm 2023, Soft computing IF:3.1Q2 DOI:10.1007/s00500-020-05275-y PMID:32904395	研究论文	本研究使用深度学习算法基于X射线和CT图像对COVID-19患者进行早期诊断	采用改进的VGG-19、Inception_V2和决策树模型进行肺炎二分类，在COVID-19早期诊断中实现高准确率	数据集规模较小（仅360张图像），模型性能在不同架构间存在较大差异	开发基于医学影像的COVID-19早期诊断方法	COVID-19患者和肺炎患者的X射线及CT图像	计算机视觉	COVID-19	X射线成像，计算机断层扫描	CNN，决策树	图像	360张X射线和CT图像	NA	VGG-19，Inception_V2，决策树	准确率	NA
603	2025-10-07	COVID-CheXNet: hybrid deep learning framework for identifying COVID-19 virus in chest X-rays images 2023, Soft computing IF:3.1Q2 DOI:10.1007/s00500-020-05424-3 PMID:33250662	研究论文	开发了一种混合深度学习框架COVID-CheXNet，用于在胸部X光图像中识别COVID-19病毒	提出了一种结合ResNet34和高分辨率网络模型的并行架构，采用加权求和规则在分数级融合两个预训练模型的结果	NA	快速准确诊断COVID-19感染，减轻放射科医生压力并控制疫情传播	胸部X光图像中的COVID-19病毒识别	计算机视觉	COVID-19	胸部X光成像	深度学习	图像	NA	NA	ResNet34,高分辨率网络	准确率,灵敏度,特异性,精确率,F1分数,均方误差,均方根误差	NA
604	2025-10-07	Performance evaluation of deep learning techniques for lung cancer prediction 2023, Soft computing IF:3.1Q2 DOI:10.1007/s00500-023-08313-7 PMID:37255920	研究论文	评估多种深度学习技术在肺癌预测中的性能表现	系统比较不同深度学习模型在肺癌预测任务中的表现，确定最优技术方案	NA	识别用于肺部疾病预测的最佳深度学习技术	肺部疾病患者	计算机视觉	肺癌	胸部X光成像, CT扫描	深度学习	图像	NA	NA	NA	精确率, 召回率, 准确率, Jaccard指数	NA
605	2025-10-07	Deep Learning Models for Predicting Left Heart Abnormalities From Single-Lead Electrocardiogram for the Development of Wearable Devices 2023-12-25, Circulation journal : official journal of the Japanese Circulation Society IF:3.1Q2 DOI:10.1253/circj.CJ-23-0216 PMID:37967949	研究论文	开发基于单导联心电图的深度学习模型用于预测左心异常	首次使用单导联（Lead I）心电图数据开发能够检测多种左心异常的深度学习模型，并在多中心数据集上验证其性能优于或等同于心脏病专家对12导联心电图的判读	研究仅基于特定医疗设施的数据，模型在更广泛人群中的泛化能力需要进一步验证	开发适用于可穿戴设备的左心异常检测算法	左心异常患者的心电图数据	机器学习	心血管疾病	心电图	深度学习	心电图信号	229,439组心电图和超声心动图配对数据，来自8个医疗设施	NA	NA	AUC, 准确率	NA
606	2025-10-07	Deep learning-based protoacoustic signal denoising for proton range verification 2023-05-12, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/acd257 PMID:37141867	研究论文	提出基于深度学习的质子声信号去噪方法，用于质子治疗中的布拉格峰位置验证	首次将堆栈自编码器用于质子声信号去噪，显著降低所需剂量和信号平均次数	仅在圆柱形聚乙烯体模中进行实验，尚未进行临床验证	开发质子治疗中布拉格峰位置验证的低剂量方法	质子声信号和布拉格峰定位	医学信号处理	癌症治疗	质子声技术	SAE（堆栈自编码器）	声信号	每个设备收集512个原始信号	NA	堆栈自编码器	均方误差，信噪比，布拉格峰范围不确定性	NA
607	2025-10-07	A comprehensive survey of complex brain network representation 2023-Nov, Meta-radiology DOI:10.1016/j.metrad.2023.100046 PMID:39830588	综述	本文系统综述了基于神经影像的脑网络表示方法，涵盖传统方法和深度学习技术	首次全面整合传统脑网络分析方法和最新图学习方法，提供该领域的系统分类框架	作为综述文章，不包含原始实验验证，主要依赖现有文献分析	总结脑网络表示方法的研究进展并展望未来方向	神经影像衍生的脑结构网络和功能网络	机器学习	神经退行性疾病	神经影像技术	图神经网络	脑网络数据	NA	NA	NA	NA	NA
608	2025-10-07	Feasibility of Universal Anomaly Detection without Knowing the Abnormality in Medical Images 2023-Oct, Medical image learning with limited and noisy data : second international workshop, MILLanD 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, proceedings. MILLanD (Workshop) : (2nd : 2023 : Vancouver, B... DOI:10.1007/978-3-031-44917-8_8 PMID:38523773	研究论文	本研究探讨医学图像中无需预知异常类型的通用异常检测可行性，比较多种方法并提出决策级集成方案	提出无需异常图像参与验证的模型选择策略，并开发决策级集成方法增强跨数据集检测鲁棒性	评估方法在四个数据集中均未表现出一致最优性能，存在数据集依赖性	开发不依赖预知异常类型的通用医学图像异常检测方法	医学图像中的异常形态检测	计算机视觉	NA	深度学习异常检测	集成学习	医学图像	四个医学数据集	NA	NA	AUC	NA
609	2025-10-07	Gadolinium-Free Cardiac MRI Myocardial Scar Detection by 4D Convolution Factorization 2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-43895-0_60 PMID:39829676	研究论文	提出一种无需钆对比剂的心脏MRI心肌瘢痕检测方法，通过4D卷积分解技术实现	开发了新型深度时空残差注意力网络(ST-RAN)，包含因子化4D卷积层、时空注意力机制和多尺度特征提取模块	未明确说明模型在特定患者群体或罕见心脏病类型中的性能表现	开发无需钆对比剂的心脏MRI心肌瘢痕检测技术	缺血性和非缺血性心脏病患者的心肌瘢痕组织	医学影像分析	心脏病	心脏磁共振成像(CMR)	深度学习, CNN	4D(3D+时间)心脏MRI图像	3000名接受临床CMR检查的患者	NA	ST-RAN, 4D卷积分解网络, 残差注意力块	NA	NA
610	2025-10-07	The Genetic Determinants of Aortic Distention 2023-04-11, Journal of the American College of Cardiology IF:21.7Q1 DOI:10.1016/j.jacc.2023.01.044 PMID:37019578	研究论文	本研究通过深度学习模型分析心脏磁共振图像，探索主动脉扩张性的流行病学相关性和遗传决定因素	首次使用深度学习模型在大规模人群（42,342人）中量化主动脉扩张性，并发现22个与胸主动脉直径无关的新遗传位点	研究样本主要来自UK Biobank，可能存在人群代表性限制	发现主动脉扩张性和应变的流行病学相关性和遗传决定因素	42,342名UK Biobank参与者的胸主动脉	医学影像分析	心血管疾病	心脏磁共振成像	深度学习模型	心脏磁共振图像	42,342名UK Biobank参与者	NA	NA	风险比(HR), P值	NA
611	2025-10-07	Five dominant dimensions of brain aging are identified via deep learning: associations with clinical, lifestyle, and genetic measures 2023-Dec-30, medRxiv : the preprint server for health sciences DOI:10.1101/2023.12.29.23300642 PMID:38234857	研究论文	通过深度学习识别大脑衰老的五个主要维度，并分析其与临床、生活方式和遗传因素的关联	首次使用Surreal-GAN深度表征学习方法在大规模多样化人群中识别出五种主要的神经退行性变模式	研究基于横断面数据，需要纵向研究验证预测价值	阐明大脑衰老的异质性并开发基于MRI的精准诊断方法	来自11项研究的49,482名个体的大脑MRI数据	医学影像分析	神经退行性疾病	MRI, 深度学习	GAN	医学影像	49,482名个体	NA	Surreal-GAN	关联分析, 预测价值评估	NA
612	2025-10-07	Deep Learning-based Diagnosis and Localization of Pneumothorax on Portable Supine Chest X-ray in Intensive and Emergency Medicine: A Retrospective Study 2023-Dec-04, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-023-02023-1 PMID:38048012	研究论文	开发两种基于深度学习的系统，用于在便携式仰卧位胸部X光片上诊断和定位气胸	首次针对便携式仰卧位胸部X光片开发专门的气胸诊断和定位系统，并比较了基于检测和基于分割的两种不同方法	性能随气胸尺寸减小而下降，研究为回顾性设计	开发自动诊断和定位气胸的深度学习系统	便携式仰卧位胸部X光片	计算机视觉	气胸	胸部X光成像	CNN, Transformer	医学图像	训练集1571张图像，测试集1071张图像	NA	EfficientNet-B2, DenseNet-121, Inception-v3, Deformable DETR, TOOD, VFNet, UNet	AUC, Dice系数	NA
613	2025-10-07	Handling high-dimensional data with missing values by modern machine learning techniques 2023, Journal of applied statistics IF:1.2Q2 DOI:10.1080/02664763.2022.2068514 PMID:36819079	研究论文	本文讨论使用现代机器学习技术处理高维缺失数据的方法	比较了惩罚回归、树基方法和深度学习在处理高维缺失数据方面的性能，发现深度学习和XGBoost方法在偏差与方差平衡方面具有优势	仅通过有限的模拟研究和单一实际应用进行比较验证	开发处理高维缺失数据的现代机器学习方法	高维数据中的缺失值处理	机器学习	NA	缺失数据处理技术	深度学习,XGBoost,惩罚回归模型,树基模型	高维数据	NA	NA	NA	偏差,方差	NA
614	2025-10-07	Adversarial confound regression and uncertainty measurements to classify heterogeneous clinical MRI in Mass General Brigham 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0277572 PMID:36862751	研究论文	提出新型深度学习架构MUCRAN，用于在回归混杂因素的同时训练脑部MRI疾病检测模型	开发了多混杂因素回归对抗网络(MUCRAN)，可同时回归人口统计学和技术混杂因素，并集成不确定性量化方法自动排除分布外数据	仅使用单一医疗机构2019年前的数据进行训练，未包含更广泛时间跨度和多中心数据	开发能够处理临床异质性MRI数据的阿尔茨海默病检测方法	临床脑部MRI图像	医学影像分析	阿尔茨海默病	MRI	对抗网络,集成学习	医学图像	17,076例临床T1轴向脑部MRI	NA	MUCRAN	准确率	NA
615	2025-10-07	Functional Imaging Derived ADHD Biotypes Based on Deep Clustering May Guide Personalized Medication Therapy 2023-Sep-14, Research square DOI:10.21203/rs.3.rs-3272441/v1 PMID:37790426	研究论文	基于功能网络连接性使用图卷积网络和深度聚类识别ADHD生物型，为个性化药物治疗提供指导	首次将图卷积网络与深度聚类相结合用于ADHD生物型识别，并验证了不同生物型对特定药物的差异化治疗反应	样本主要来自青少年群体，需要进一步验证在更广泛年龄段的适用性	开发基于神经影像的ADHD生物型分类方法以指导个性化药物治疗	注意力缺陷多动障碍(ADHD)患者	医学影像分析	神经发育障碍	功能网络连接性(FNC)	图卷积网络,深度聚类	功能磁共振成像数据	1069名ADHD患者(ABCD研究) + 130名独立验证样本	NA	图卷积网络	统计显著性(p值), FDR校正	NA
616	2025-10-07	An efficient memory reserving-and-fading strategy for vector quantization based 3D brain segmentation and tumor extraction using an unsupervised deep learning network 2023-Apr-26, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-09965-9 PMID:37362765	研究论文	提出一种基于向量量化的无监督3D脑图像分割方法，采用记忆保留与消退策略提高计算效率	提出无监督3D深度嵌入聚类网络和记忆保留与消退策略，避免手动标注数据并显著提升计算效率	NA	开发高效的3D脑图像分割和肿瘤提取方法	脑部MRI图像和脑肿瘤	医学图像分析	脑肿瘤	MRI	无监督深度学习网络,3D-DEC	3D医学图像	两个权威MRI脑肿瘤数据库(IBSR和BrainWeb)及机构收集的真实3D脑肿瘤数据	NA	基于向量量化的3D深度嵌入聚类网络	Tanimoto系数,TP,TN,Dice系数,灵敏度,特异性,加速比	NA
617	2025-10-07	Experimental validation of computer-vision methods for the successful detection of endodontic treatment obturation and progression from noisy radiographs 2023-10, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-023-00685-8 PMID:37097541	研究论文	本研究开发并验证了基于计算机视觉的深度学习方法，用于从噪声牙科X光片中检测根管治疗充填质量和进展	首次系统评估了去噪和数据平衡对深度学习检测根管治疗结果的影响，并建立了自定义的渐进分类系统	样本量相对有限（250张原始X光片），使用自定义分类标准可能限制泛化能力	评估去噪和数据平衡对深度学习检测根管治疗结果的影响，开发预测充填质量的模型	牙科X光片中的根管治疗充填	计算机视觉	牙科疾病	放射组学分析	YOLO	X光图像	250张原始牙科X光片，通过数据增强扩展到2226张图像	NA	YOLOv5s, YOLOv5x, YOLOv7	灵敏度, 特异度, 准确率, 精确率, 召回率, 平均精度均值, 置信度	NA
618	2025-10-07	Effect of data size on tooth numbering performance via artificial intelligence using panoramic radiographs 2023-10, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-023-00689-4 PMID:37405624	研究论文	本研究通过人工智能技术探讨数据量对全景X光片牙齿编号识别性能的影响	首次系统研究数据规模对牙齿编号识别模型性能的影响，为牙科AI应用提供数据量选择的实证依据	仅使用单一数据集和YOLOv4算法，未考虑其他模型架构和数据增强技术的影响	探究训练数据量对牙齿编号识别模型性能的影响规律	牙齿全景X光片中的牙齿编号识别	计算机视觉	牙科疾病	X光成像	CNN	图像	3000张匿名牙齿全景X光片，分别使用1000、1500、2000、2500张子集进行训练，500张固定测试集	NA	YOLOv4	F1分数,mAP,敏感度,精确度,召回率	NA
619	2025-10-07	Clinical and genetic associations of deep learning-derived cardiac magnetic resonance-based left ventricular mass 2023-03-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-37173-w PMID:36944631	研究论文	本研究使用深度学习技术对心脏磁共振衍生的左心室质量进行全基因组关联分析，识别出11个新变异位点并证明其与心肌病发病风险相关	首次将深度学习应用于大规模人群的心脏磁共振左心室质量测量，并成功识别出11个新的左心室质量相关基因位点	研究主要基于英国生物银行数据，需要在其他人群中验证结果的普适性	探索左心室质量的遗传基础及其与心肌病发病风险的关联	43,230名英国生物银行参与者的心脏磁共振数据	医学影像分析	心血管疾病	心脏磁共振成像，全基因组关联研究	深度学习	医学影像数据，基因数据	43,230名英国生物银行参与者，另在Mass General Brigham样本中验证	NA	NA	风险比，95%置信区间	NA
620	2025-01-07	Ultrafast Cardiac Imaging Using Deep Learning for Speckle-Tracking Echocardiography 2023-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2023.3326377 PMID:37862280	研究论文	本文探讨了使用深度学习进行超快速心脏成像的方法，特别是针对斑点追踪超声心动图	本文创新性地将复杂加权卷积神经网络（CNN）用于图像重建，并结合先进的斑点追踪方法，评估了在保持心脏运动追踪能力的同时实现高质量图像重建的可行性	虽然本文在模拟和实验数据上展示了良好的性能，但在实际临床环境中的应用仍需进一步验证	研究目的是开发一种能够在超快速超声成像中同时实现高质量图像重建和心脏运动追踪的深度学习方法	心脏成像，特别是斑点追踪超声心动图	计算机视觉	心血管疾病	深度学习，斑点追踪超声心动图	CNN	图像	模拟数据、体外实验数据（旋转盘模型）和体内数据集	NA	NA	NA	NA